Sensoriamento Remoto, Índices de Seca e Governança Hídrica
Geotecnologias e SIG
Universidade Estadual de Feira de Santana (UEFS)
Objetivo Central
Compreender como geotecnologias (sensoriamento remoto, SIG, modelagem) se articulam com os instrumentos da Política Nacional de Recursos Hídricos para monitorar, prever e mitigar os efeitos da seca no semiárido brasileiro.
A escalada da crise hídrica resulta da convergência de teleconexões climáticas intensificadas e pressões antrópicas crescentes sobre aquíferos e reservatórios, exigindo a transição de um paradigma reativo para um modelo preventivo orientado pelo cálculo de risco (Wilhite 2000).
A Política Nacional de Recursos Hídricos (PNRH) conferiu status legal à gestão integrada por bacia hidrográfica e consagrou cinco instrumentos operacionais:
Revolução tecnológica
O arcabouço tecnológico da década de 1990 não permitia visualização sinótica das variáveis críticas do ciclo hidrológico. Essa limitação tornou-se obsoleta com:
Geotecnologias que antes produziam cartas estáticas hoje alimentam sistemas de suporte à decisão em tempo quase real.
Perfis de cota hidrométrica com resolução decimétrica são derivados pela altimetria radar, que converte variações de fase e atraso de pulso em estimativas de armazenamento efetivo de represas sem campanhas batimétricas onerosas.
Dados gravimétricos registram oscilações de massa da ordem de centímetros de equivalente coluna de água, revelando a mineração intensiva de aquíferos confinados historicamente invisíveis por ausência de monitoramento piezométrico in situ (Tapley et al. 2004).
Integração em SIG
Sintetizados em ambiente SIG, esses sensores viabilizam balanços hídricos que integram estoques superficiais e subterrâneos, fornecendo aos comitês de bacia indicadores decisórios sobre:
Big Data Geoespacial
A integração em plataformas como Google Earth Engine substitui processamento local fragmentado por análises em escala continental com latência de horas.
O sensoriamento por micro-ondas na Banda L (missão SMAP) mensura a umidade do solo independentemente da cobertura de nuvens.
| Aplicação | Sensor | Resolução |
|---|---|---|
| Umidade superficial | SMAP | ~9 km |
| Precipitação horária | GPM | ~10 km |
| Cota de reservatório | Sentinel-3 | ~300 m |
| Armazenamento subterrâneo | GRACE-FO | ~300 km |
ZARC - Zoneamento Agrícola de Risco Climático
Os dados de umidade do solo alimentam instrumentos como o ZARC, que orienta:
A fusão dessas camadas em plataformas de Big Data geoespacial permite monitoramento contínuo do balanço hídrico em escala de bacia.
Diferenciar tecnicamente as manifestações da seca constitui pré-requisito para qualquer estratégia de monitoramento.
O SPI (McKee et al. 1993) é construído a partir de séries pluviométricas transformadas pela função de distribuição gama, cujos desvios padronizados isolam a variabilidade intrínseca de cada região:
| SPI | Categoria |
|---|---|
| ≥ 2,0 | Extremamente úmido |
| 1,5 a 1,99 | Muito úmido |
| -0,99 a 0,99 | Normal |
| -1,0 a -1,49 | Seca moderada |
| -1,5 a -1,99 | Seca severa |
| ≤ -2,0 | Seca extrema |
Limitação do SPI
O SPI carece de sensibilidade à demanda atmosférica de evaporação. Em cenários de aquecimento global, uma mesma precipitação pode resultar em seca mais severa se a evapotranspiração potencial (ETP) aumentar.
Essa limitação motivou o desenvolvimento do SPEI.
O SPEI (Vicente-Serrano et al. 2010) incorpora a evapotranspiração potencial estimada por Penman-Monteith (FAO-56), capturando a influência térmica na severidade da seca.
Flash droughts
Secas relâmpago são eventos de dessecação rápida do solo (< 4 semanas) impulsionados por:
Esses eventos são independentes de déficits pluviométricos extremos e representam risco crescente sob aquecimento global.
A seca agrícola manifesta-se na queda do potencial matricial do solo e é detectável precocemente por índices espectrais. O estresse hídrico induz fechamento estomático e degradação da clorofila, elevando a reflectância no vermelho e reduzindo-a no infravermelho próximo.
\[NDVI = \frac{\rho_{NIR} - \rho_{RED}}{\rho_{NIR} + \rho_{RED}}\]
Normalizado dentro do envelope histórico, o VCI (Kogan 1995) converte o NDVI em percentis de severidade:
\[VCI = \frac{NDVI - NDVI_{min}}{NDVI_{max} - NDVI_{min}} \times 100\]
Interpretação do VCI
| VCI (%) | Condição |
|---|---|
| > 60 | Normal / Úmido |
| 40 - 60 | Estresse leve |
| 20 - 40 | Seca moderada |
| < 20 | Seca severa |
Séries temporais de NDVI/VCI estabelecem uma “climatologia da vegetação” na qual desvios negativos persistentes sinalizam seca agrícola antecedentemente às perdas de produtividade.
O EVI (Huete et al. 2002) amplia a sensibilidade em coberturas densas ao incorporar correções atmosféricas e de solo:
\[EVI = G \times \frac{\rho_{NIR} - \rho_{RED}}{\rho_{NIR} + C_1 \rho_{RED} - C_2 \rho_{BLUE} + L}\]
onde \(G = 2{,}5\), \(C_1 = 6\), \(C_2 = 7{,}5\) e \(L = 1\).
Aplicação no semiárido
Na Caatinga, a deciduidade sazonal gera oscilações abruptas nos índices de vegetação. Somente séries temporais densas permitem isolar flutuações fenológicas de distúrbios antropogênicos, evitando falsos positivos de degradação.
A combinação NDVI + EVI + VCI em plataformas de monitoramento permite diferenciar seca meteorológica de seca agrícola com resolução espacial de 250 m (MODIS) a 10 m (Sentinel-2).
A seca hidrológica (anomalias em fluxos de base e rebaixamento de níveis freáticos) exige quantificação da evapotranspiração real (\(ET_r\)).
O algoritmo SEBAL (Bastiaanssen et al. 1998) particiona o saldo de radiação em fluxos de calor latente e sensível mediante pixels-âncora que calibram empiricamente o gradiente térmico superficial.
\[R_n - G = H + \lambda ET\]
onde \(R_n\) é o saldo de radiação, \(G\) o fluxo de calor no solo, \(H\) o calor sensível e \(\lambda ET\) o calor latente (evapotranspiração).
Do ponto à malha contínua
O SEBAL substitui o paradigma pontual das estações agrometeorológicas por malhas contínuas de auditoria do uso consuntivo.
Mapas diários de ET permitem:
Redes neurais de memória longa (LSTM) superam métodos estatísticos clássicos na projeção de vazões ao aprender não linearidades ocultas nos dados hidrometeorológicos.
A fusão de LSTM com modelagem determinística delineia os gêmeos digitais de bacias hidrográficas, nos quais gestores testam cenários contrafactuais de alocação com meses de antecedência.
Seca socioeconômica
Quando a disponibilidade marginal deixa de atender a matriz produtiva, configura-se a seca socioeconômica, cuja modelagem exige integração de variáveis:
Governança hídrica baseada em risco apoia-se na capacidade institucional de antecipar choques, não no volume absoluto disponível.
Construído sobre SIG corporativo, o Sistema de Suporte à Decisão integra:
Instrumentos de política pública
Políticas de tarifação escalonada e seguro paramétrico utilizam, como gatilho, índices remotos auditáveis (SPI, VCI, anomalias de \(ET_r\)), reduzindo a assimetria de informação entre regulador e usuários.
Algoritmos de otimização estocástica resolvem a alocação multi-usuário sob restrições de segurança hídrica, energia firme e vazão ecológica.
Obrigado!
Luiz Diego Vidal Santos
Universidade Estadual de Feira de Santana (UEFS)
UEFS | Geotecnologias e SIG | Geotecnologias e Gestão da Seca